CN113343891A - 一种孩子踢被的检测装置和检测方法 - Google Patents

一种孩子踢被的检测装置和检测方法 Download PDF

Info

Publication number
CN113343891A
CN113343891A CN202110701250.8A CN202110701250A CN113343891A CN 113343891 A CN113343891 A CN 113343891A CN 202110701250 A CN202110701250 A CN 202110701250A CN 113343891 A CN113343891 A CN 113343891A
Authority
CN
China
Prior art keywords
child
image
analysis module
quilt
image analysis
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110701250.8A
Other languages
English (en)
Inventor
付春明
胡庆
姜鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Starting Point Artificial Intelligence Technology Co ltd
Original Assignee
Shenzhen Starting Point Artificial Intelligence Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Starting Point Artificial Intelligence Technology Co ltd filed Critical Shenzhen Starting Point Artificial Intelligence Technology Co ltd
Priority to CN202110701250.8A priority Critical patent/CN113343891A/zh
Publication of CN113343891A publication Critical patent/CN113343891A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B6/00—Tactile signalling systems, e.g. personal calling systems

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Alarm Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种孩子踢被的检测装置和检测方法。检测装置包括影像采集模块和图像分析模块，检测方法包括以下步骤：孩子所穿的睡衣上包括预设的图案；检测装置的影像采集模块采集孩子睡觉所在位置的视频或图像；检测装置的图像分析模块接收影像采集模块的视频或图像，识别视频或图像中是否存在预设的图案；如果检测到预设的图案，则判定孩子的被子没有盖好。本发明的检测方法对周围环境的要求较低，可以在夜视环境下进行识别，无需担心颜色冲突，检测准确度高。

Description

一种孩子踢被的检测装置和检测方法
技术领域]
本发明涉及孩子睡眠监测，尤其涉及一种孩子踢被的检测装置和检测方法。
背景技术]
孩子伤风感冒往往大多数是因为夜间将盖在身上的被子蹬掉所致，尤其是10岁以内的小孩。家长总担心孩子把被子踢掉，提心吊胆睡不踏实，影响自己的身体，也影响第二天的工作。
申请号为202010050263.9的发明公开了一种孩子踢被子监测提醒***，包括摄像头、第一无线通信模块、第一处理器、振动手环以及睡觉时穿在孩子身上并带有识别标识的睡衣，振动手环戴在家长手腕上，第一无线通信模块与第一处理器连接，第一处理器通过第一无线通信模块与振动手环通信连接；所述摄像头与第一处理器连接，摄像头用于对孩子的睡觉状态进行拍摄，第一处理器用于识别摄像头拍摄场景的图案中是否具有孩子睡衣上识别标识的颜色，并在识别到睡衣上识别标识的颜色时向振动手环发出振动信号，所述识别标识的颜色区别于摄像头拍摄场景图案中除识别标识外的其它颜色。
该发明通过识别指定的颜色来确定是否盖好了被子，对环境要求高，如果摄像头视野范围内有指定颜色或与指定颜色相近的颜色就会误报。使用过程受环境光线的影响，而且不适用于夜间，夜间通常是使用红外灯，其摄像头感应到的影像是灰度图，难以对颜色进行识别。
发明内容]
本发明要解决的技术问题是提供一种对环境要求不高、而检测准确度高的孩子踢被的检测装置。
本发明另一个要解决的技术问题是提供一种对环境要求不高、而检测准确度高的孩子踢被的检测方法。
为了解决上述技术问题，本发明采用的技术方案是，一种孩子踢被的检测装置，包括影像采集模块和图像分析模块，图像分析模块接收影像采集模块的视频或图像，识别视频或图像中是否存在预设的图案，如果检测到预设的图案，则判定孩子的被子没有盖好。
以上所述的孩子踢被的检测装置，包括无线通信模块，图像分析模块检测到预设的图案时，通过无线通信模块向外发送孩子踢被的信息。
以上所述的孩子踢被的检测装置，图像分析模块部署在边缘计算盒子中，图像分析模块使用所述的边缘计算盒子进行运算。
以上所述的孩子踢被的检测装置，包括孩子所穿的睡衣和/或腹带，睡衣和/或腹带上包括至少一种所述预设的图案。
以上所述的孩子踢被的检测装置，预设的图案与睡衣和/或腹带分体设置，图案与睡衣和/或腹带通过镶嵌或缝合或粘连或卡口固定链接。
一种孩子踢被的检测方法，包括上述的孩子踢被的检测装置，检测过程包括以下步骤：
601） 孩子所穿的睡衣和/或腹带上包括至少一种预设的图案；
602） 检测装置的影像采集模块采集孩子睡觉所在位置的视频或图像；
603） 检测装置的图像分析模块接收影像采集模块的视频或图像，识别视频或图像中是否存在预设的图案；
604） 如果图像分析模块检测到预设的图案，则判定孩子的被子没有盖好。
以上所述的孩子踢被的检测方法，检测装置包括无线通信模块，在步骤604中，如果图像分析模块检测到预设的图案，则图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息，手机和/或手环收到孩子踢被的信息后报警。
以上所述的孩子踢被的检测方法，在步骤601中，孩子所穿的睡衣和/或腹带上包括多种预设的图案；图像分析模块的识别算法采用目标检测神经网络。对目标检测神经网络进行训练，使目标检测神经网络能够识别多种预设的图案；在步骤604中，如果图像分析模块检测到多种预设的图案中的一种或多种，则图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息。
以上所述的孩子踢被的检测方法，影像采集模块为网络摄像头，图像分析模块布置在云端服务器，摄像头将捕获的视频或图像传送到云端服务器；云端服务器的图像分析模块通过GRPS无线通信网络向家长的手机和/或手环发送孩子踢被的信息。
以上所述的孩子踢被的检测方法，在视频或图像中设定监控区域，当预设的图案出现在设定监控区域内时就判定小孩没有盖好被子
本发明的检测方法对周围环境的要求较低，可以在夜视环境下进行识别，无需担心颜色冲突，检测准确度高，
[附图说明]
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明踢被检测装置的原理框图。
图2是本发明实施例孩子踢被检测方法的流程图。
图3是本发明实施例1和2孩子踢被检测装置的原理框图。
图4是本发明实施例1深度神经网络的示意图。
图5是本发明实施例1和2孩子踢被检测方法的流程图。
图6是本发明实施例2深度神经网络的示意图。
图7是本发明实施例2特定图案的示意图。
图8是本发明实施例3和4孩子踢被检测装置的原理框图。
图9是本发明实施例3和4孩子踢被检测方法的流程图。
图10是本发明实施例5和6孩子踢被的检测装置的原理框图。
图11是本发明实施例5和6孩子踢被检测方法的流程图。
图12是本发明实施例孩子踢被检测方法睡衣的示意图。
图13是本发明实施例孩子踢被检测方法腹带的示意图。
具体实施方式]
本发明孩子踢被的检测装置和检测方法如图1和图2所示，检测装置包括影像采集模块和图像分析模块，图像分析模块接收影像采集模块的视频或图像，识别视频或图像中是否存在预设的图案，如果检测到预设的图案，则判定孩子的被子没有盖好，如果没有检测到预设的图案，则判定孩子的被子处于正常状态。
孩子穿着预设图案的睡衣睡觉，其预设的图案，既可以直接印刷在孩子的衣服上，也可以与衣服分体设置，两者通过镶嵌或缝合或粘结或卡口或拉链固定链接。
本发明图像分析模块使用的算法可以是基于深度神经网络技术的R-CNN、FastR-CNN、FasterR-CNN、FPN、YOLO、SSD、RetinaNet、DenseBox、RRCdetection、DeformableCNN、CNN、RNN、Inception、Xception、MobileNet、ResNeXt、DenseNet、SqueezeNet、ShuffleNet、SKNet和SENet中的一种，也可以是基于Cascade、HOG/DPM和Haar/SVM目标检测算法中的一种。
实施例1：
如图3所示，影像采集模块硬件采用摄像头，该摄像头内部使用海思Hi3516cv500或Hi3516dv300芯片，图像分析模块使用该芯片进行运算。
图像分析模块的识别算法采用如图4所示的MobileNetv3图片分类神经网络。对该网络进行训练，使得该网络能够识别出指定的一种或多种图案。为了能够在夜视环境中也能识别，该网络既能识别该图案的彩色图也能识别该图案的灰色图。该网络是一个分类网络，只要图片中出现了该图案就认为小孩没有盖好被子。
将上述摄像头放置在适当的位置，以便采集孩子睡觉所在位置的视频或图像。
小孩穿着图12所示的印有指定的图案之一的睡衣或者图13所示的印有指定图案之一的腹带或者能够粘贴在睡衣上的指定图案之一的标贴睡觉。
如图5所示，当摄像头捕获的影像中有指定的图案时，就认为小孩没有盖好被子。图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息，该信息通过WIFI网络或者蓝牙信号传送到家长的手机和/或手环中，手机和/或手环振动，从而提醒家长去给小孩盖被。
实施例2：
如图3所示，影像采集模块硬件采用摄像头，该摄像头内部使用海思Hi3516cv500或Hi3516dv300芯片，图像分析模块使用该芯片进行运算。
图像分析模块的识别算法采用图6所示的YOLOv4tiny目标检测神经网络。对该网络进行训练，使得该网络能够识别出指定的一种或多种图案，并且能够明确识别出该图案所在图片上的位置（左上角坐标和右下角坐标）。为了能够在夜视环境中也能识别，该网络既能识别该图案的彩色图也能识别该图案的灰色图。当图像中出现指定图案就认为小孩没有盖好被子；更进一步，可以在视频或图像中设定监控区域（比如床所在区域），当指定图案出现在指定区域内时就认为小孩没有盖好被子。
将上述摄像头放置在适当的位置，以便采集孩子睡觉所在位置的视频或图像。
小孩穿着印有指定的图案之一的睡衣或者印有指定图案之一的腹带或者能够粘贴在睡衣上的指定图案之一的标贴睡觉。
如图5所示，对摄像头捕获的视频或图像进行分析，当图像分析模块认为小孩没有盖好被子图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息，该信息通过WIFI网络或者蓝牙信号传送到家长的手机和/或手环中，手机和/或手环振动，从而提醒家长去给小孩盖被。
本实施例采取的是目标检测算法，算法输出的检测到的图案及其所在图片的位置。如图7所示，该图片包括4个图案，这4个图案共有3种不同的图案，这三种图案在算法模型中预定义为 1、2、3。(x1,y1)(x2,y2)分别是第一排第一列图案在图片中的左上角左边与右下角坐标；(x3,y3)(x4,y4)分别是第一排第二列图案在图片中的左上角左边与右下角坐标；(x5,y5)(x6,y6)分别是第二排第一列图案在图片中的左上角左边与右下角坐标；(x7,y7)(x8,y8)分别是第二排第二列图案在图片中的左上角左边与右下角坐标。那么该算法模型识别该图片的输出为(1, x1,y1,x2,y2) (2, x3,y3,x4,y4) (3, x5,y5,x6,y6) (1,x7,y7,x8,y8)。
如果在摄像头的输出中有指定的一个或多个图案结果，可认为被子没盖好。
实施例3：
如图8所示，影像采集模块硬件采用摄像头；图像分析模块所在硬件为边缘计算盒子（如 Firefly EC-A3399C），图像分析模块使用该边缘计算盒子进行运算。
图像分析模块的识别算法采用如图4所示的MobileNetv3图片分类神经网络。对该网络进行训练，使得该网络能够识别出指定的一种或多种图案。为了能够在夜视环境中也能识别，该网络既能识别该图案的彩色图也能识别该图案的灰色图。该网络是一个分类网络，也就是说只要图片中出现了该图案就认为小孩没有盖好被子。
将上述摄像头放置在适当的位置，以便采集孩子睡觉所在位置的视频或图像。
小孩穿着印有指定的图案之一的睡衣或者印有指定图案之一的腹带或者能够粘贴在睡衣上的指定图案之一的标贴睡觉。
如图9所示，摄像头将捕获的视频传送到边缘计算盒子，图像分析模块利用边缘计算盒子的算力对视频进行分析，当图像分析模块认为小孩没有盖好被子图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息，该信息通过WIFI网络或者蓝牙信号传送到家长的手机和/或手环中，手机和/或手环振动，从而提醒家长去给小孩盖被。
实施例4：
如图8所示，影像采集模块硬件采用摄像头；图像分析模块所在硬件为边缘计算盒子（如 Firefly EC-A3399C），图像分析模块使用该边缘计算盒子进行运算。
图像分析模块的识别算法采用如图6所示的YOLOv4tiny目标检测神经网络。对该网络进行训练，使得该网络能够识别出指定的一种或多种图案，并且能够明确识别出该图案所在图片上的位置。为了能够在夜视环境中也能识别，该网络既能识别该图案的彩色图也能识别该图案的灰色图。当图像中出现指定图案就认为小孩没有盖好被子；更进一步，可以在视频中设定监控区域（比如床所在区域），当指定图案在指定区域内时就认为小孩没有盖好被子。
将上述摄像头放置在适当的位置，以便采集孩子睡觉所在位置的视频或图像。
小孩穿着印有指定的图案之一的睡衣或者印有指定图案之一的腹带或者能够粘贴在睡衣上的指定图案之一的标贴睡觉。
如图9所示，摄像头将捕获的视频传送到边缘计算盒子，图像分析模块利用边缘计算盒子的算力对视频进行分析，当图像分析模块认为小孩没有盖好被子图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息，该信息通过WIFI网络或者蓝牙信号传送到家长的手机和/或手环中，手机和/或手环振动，从而提醒家长去给小孩盖被。
本实施例采取的是图6所示的目标检测算法，算法输出的检测到的图案种类编号及其该图案所在图片的位置。如图7所示，该图片检测到4个图案，这4个图案共有3种不同的图案，这三种图案在算法模型中预定义为 1、2、3。(x1,y1)(x2,y2)分别是第一排第一列图案在图片中的左上角左边与右下角坐标；(x3,y3)(x4,y4)分别是第一排第二列图案在图片中的左上角左边与右下角坐标；(x5,y5)(x6,y6)分别是第二排第一列图案在图片中的左上角左边与右下角坐标；(x7,y7)(x8,y8)分别是第二排第二列图案在图片中的左上角左边与右下角坐标。那么该算法模型识别该图片的输出为(1, x1,y1,x2,y2) (2, x3,y3,x4,y4)(3, x5,y5,x6,y6) (1, x7,y7,x8,y8)。
如果在摄像头的输出中有指定的一个或多个图案结果，可认为被子没盖好。
实施例5：
如图10所示，影像采集模块硬件采用网络摄像头；图像分析模块布置在云端服务器，摄像头将捕获的视频或图像传送到云端服务器。
图像分析模块的识别算法采用如图4所示的MobileNetv3图片分类神经网络。对该网络进行训练，使得该网络能够识别出指定的一种或多种图案。为了能够在夜视环境中也能识别，该网络既能识别该图案的彩色图也能识别该图案的灰色图。该网络是一个分类网络，也就是说只要图片中出现了该图案就认为小孩没有盖好被子。
将上述摄像头放置在适当的位置，以便采集孩子睡觉所在位置的视频或图像。
小孩穿着印有指定的图案之一的睡衣或者印有指定图案之一的腹带或者能够粘贴在睡衣上的指定图案之一的标贴睡觉。
如图11所示，摄像头将捕获的视频传送到云端服务器，图像分析模块在云端对视频进行分析，当图像分析模块认为小孩没有盖好被子，信息通过GRPS无线通信网络传送到家长的手机和/或手环，手机和/或手环振动，从而提醒家长去给小孩盖被。
实施例6：
如图9所示，影像采集模块硬件采用网络摄像头；图像分析模块布置在云端服务器，摄像头将捕获的视频或图像传送到云端服务器。
图像分析模块的识别算法采用如图6所示的YOLOv4tiny目标检测神经网络。对该网络进行训练，使得该网络能够识别出指定的一种或多种图案，并且能够明确识别出该图案所在图片上的位置（左上角坐标和右下角坐标）。为了能够在夜视环境中也能识别，该网络既能识别该图案的彩色图也能识别该图案的灰色图。当图像中出现指定图案就认为小孩没有盖好被子；更进一步，可以在视频中设定监控区域（比如床所在区域），当指定图案在指定区域内时就认为小孩没有盖好被子。
将上述摄像头放置在适当的位置，以便采集孩子睡觉所在位置的视频或图像。
小孩穿着印有指定的图案之一的睡衣或者印有指定图案之一的腹带或者能够粘贴在睡衣上的指定图案之一的标贴睡觉。
如图10所示，摄像头将捕获的视频传送到云端，图像分析模块在云端对视频进行分析，当图像分析模块认为小孩没有盖好被子，信息通过GRPS无线通信网络传送到家长的手机和/或手环，手机和/或手环振动，从而提醒家长去给小孩盖被。
本实施例采取的如图6所示的目标检测算法，算法输出的检测到的图案种类编号及其该图案所在图片的位置。如上图所示该图片检测到4个图案，这4个图案共有3种不同的图案，这三种图案在算法模型中预定义为 1、2、3。(x1,y1)(x2,y2)分别是第一排第一列图案在图片中的左上角左边与右下角坐标；(x3,y3)(x4,y4)分别是第一排第二列图案在图片中的左上角左边与右下角坐标；(x5,y5)(x6,y6)分别是第二排第一列图案在图片中的左上角左边与右下角坐标；(x7,y7)(x8,y8)分别是第二排第二列图案在图片中的左上角左边与右下角坐标。那么该算法模型识别该图片的输出为(1, x1,y1,x2,y2) (2, x3,y3,x4,y4)(3, x5,y5,x6,y6) (1, x7,y7,x8,y8)。
如果在输出中有指定的一个或多个图案结果，可认为被子没盖好。
本发明以上实施例具有以下有益效果：
1> 本发明以上实施例无需附加传感设备，仅使用摄像头即可实现小孩踢被的检测。
2> 本发明以上实施例可以针对不同季节有针对性的实现踢被检测。当天气比较冷的时候，可以让小孩全身穿着预定图案的睡衣睡觉，这样就算胳膊露出来了，也可以提醒家长；当天气比较热的时候，只需在腹部有预定图案，这样就可以仅当小孩腹部没盖好时提醒家长。
3> 图案的制作无需特殊材质。
4> 图案的识别要比小孩踢被动作的识别要容易实现得多。
5> 对周围环境的要求小，无需担心颜色冲突的问题。同时可以在夜视环境下进行识别。

Claims (10)

1.一种孩子踢被的检测装置，包括影像采集模块和图像分析模块，其特征在于，图像分析模块接收影像采集模块的视频或图像，识别视频或图像中是否存在预设的图案，如果检测到预设的图案，则判定孩子的被子没有盖好。
2.根据权利要求1所述的孩子踢被的检测装置，其特征在于，包括无线通信模块，图像分析模块检测到预设的图案时，通过无线通信模块向外发送孩子踢被的信息。
3.根据权利要求1所述的孩子踢被的检测装置，其特征在于，图像分析模块为部署在边缘计算盒子中，图像分析模块使用所述的边缘计算盒子进行运算。
4.根据权利要求1所述的孩子踢被的检测装置，其特征在于，包括孩子所穿的睡衣和/或腹带，睡衣和/或腹带上包括至少一种所述预设的图案。
5.据权利要求4所述的孩子踢被的检测装置，其特征在于，预设的图案与睡衣和/或腹带分体设置，图案与睡衣和/或腹带通过镶嵌或缝合或粘连或卡口固定链接。
6.一种孩子踢被的检测方法，其特征在于，包括权利要求1所述的孩子踢被的检测装置，检测过程包括以下步骤：
孩子所穿的睡衣和/或腹带上包括至少一种预设的图案；
检测装置的影像采集模块采集孩子睡觉所在位置的视频或图像；
检测装置的图像分析模块接收影像采集模块的视频或图像，识别视频或图像中是否存在预设的图案；
如果图像分析模块检测到预设的图案，则判定孩子的被子没有盖好。
7.根据权利要求6所述的孩子踢被的检测方法，其特征在于，检测装置包括无线通信模块，在步骤604中，如果图像分析模块检测到预设的图案，则图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息，手机和/或手环收到孩子踢被的信息后报警。
8.根据权利要求6所述的孩子踢被的检测方法，其特征在于，在步骤601中，孩子所穿的睡衣和/或腹带上包括多种预设的图案；图像分析模块的识别算法采用目标检测神经网络和/或分类神经网络；对目标检测神经网络和/或分类神经网络进行训练，使神经网络能够识别多种预设的图案；在步骤604中，如果图像分析模块检测到多种预设的图案中的一种或多种，则图像分析模块通过无线通信模块向家长的手机和/或手环发送孩子踢被的信息。
9.根据权利要求6所述的孩子踢被的检测方法，其特征在于，影像采集模块为网络摄像头，图像分析模块布置在云端服务器，摄像头将捕获的视频或图像传送到云端服务器；云端服务器的图像分析模块通过GRPS无线通信网络向家长的手机和/或手环发送孩子踢被的信息。
10.根据权利要求6所述的孩子踢被的检测方法，其特征在于，在视频或图像中设定监控区域，当预设的图案出现在设定监控区域内时就判定小孩没有盖好被子。
CN202110701250.8A 2021-06-24 2021-06-24 一种孩子踢被的检测装置和检测方法 Pending CN113343891A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110701250.8A CN113343891A (zh) 2021-06-24 2021-06-24 一种孩子踢被的检测装置和检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110701250.8A CN113343891A (zh) 2021-06-24 2021-06-24 一种孩子踢被的检测装置和检测方法

Publications (1)

Publication Number Publication Date
CN113343891A true CN113343891A (zh) 2021-09-03

Family

ID=77478167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110701250.8A Pending CN113343891A (zh) 2021-06-24 2021-06-24 一种孩子踢被的检测装置和检测方法

Country Status (1)

Country Link
CN (1) CN113343891A (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1939215A (zh) * 2005-09-27 2007-04-04 刘星 一种人体标示图像监测***及应用***
CN101079109A (zh) * 2007-06-26 2007-11-28 北京中星微电子有限公司 基于制服特征的身份识别方法和***
CN101937606A (zh) * 2010-09-08 2011-01-05 无锡中星微电子有限公司 踢被报警的睡眠监控***及方法
CN101957918A (zh) * 2009-07-13 2011-01-26 古鲁洛吉克微***公司 用于识别图案的方法、图案识别器和计算机程序
CN204946282U (zh) * 2015-07-21 2016-01-06 深圳大学 一种基于图像处理的小儿防蹬***
CN208335441U (zh) * 2018-07-05 2019-01-04 三峡大学 一种踢被检测装置
CN109714526A (zh) * 2018-11-22 2019-05-03 中国科学院计算技术研究所 智能摄像头及控制***
CN110008816A (zh) * 2019-01-28 2019-07-12 温州大学 一种实时检测婴儿踢被子的方法
CN110070147A (zh) * 2019-05-07 2019-07-30 上海宝尊电子商务有限公司 一种基于神经网络的服装图案纹理识别方法与***
CN110580466A (zh) * 2019-09-05 2019-12-17 深圳市赛为智能股份有限公司 婴儿踢被子行为识别方法、装置、计算机设备及存储介质
CN110751063A (zh) * 2019-09-29 2020-02-04 四川工商学院 一种基于深度学习的幼儿防踢被子识别装置及方法
CN111028476A (zh) * 2020-01-17 2020-04-17 陈昊 一种孩子踢被子监测提醒***
CN111179223A (zh) * 2019-12-12 2020-05-19 天津大学 基于深度学习的工业自动化缺陷检测方法
CN111723778A (zh) * 2020-07-07 2020-09-29 厦门大学 基于MobileNet-SSD的车辆测距***及方法
CN112488026A (zh) * 2020-12-12 2021-03-12 江西洪都航空工业集团有限责任公司 一种基于视频分析的车行道破损检测方法
CN112949516A (zh) * 2021-03-09 2021-06-11 深圳海翼智新科技有限公司 踢被子行为的识别方法和装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1939215A (zh) * 2005-09-27 2007-04-04 刘星 一种人体标示图像监测***及应用***
CN101079109A (zh) * 2007-06-26 2007-11-28 北京中星微电子有限公司 基于制服特征的身份识别方法和***
CN101957918A (zh) * 2009-07-13 2011-01-26 古鲁洛吉克微***公司 用于识别图案的方法、图案识别器和计算机程序
CN101937606A (zh) * 2010-09-08 2011-01-05 无锡中星微电子有限公司 踢被报警的睡眠监控***及方法
CN204946282U (zh) * 2015-07-21 2016-01-06 深圳大学 一种基于图像处理的小儿防蹬***
CN208335441U (zh) * 2018-07-05 2019-01-04 三峡大学 一种踢被检测装置
CN109714526A (zh) * 2018-11-22 2019-05-03 中国科学院计算技术研究所 智能摄像头及控制***
CN110008816A (zh) * 2019-01-28 2019-07-12 温州大学 一种实时检测婴儿踢被子的方法
CN110070147A (zh) * 2019-05-07 2019-07-30 上海宝尊电子商务有限公司 一种基于神经网络的服装图案纹理识别方法与***
CN110580466A (zh) * 2019-09-05 2019-12-17 深圳市赛为智能股份有限公司 婴儿踢被子行为识别方法、装置、计算机设备及存储介质
CN110751063A (zh) * 2019-09-29 2020-02-04 四川工商学院 一种基于深度学习的幼儿防踢被子识别装置及方法
CN111179223A (zh) * 2019-12-12 2020-05-19 天津大学 基于深度学习的工业自动化缺陷检测方法
CN111028476A (zh) * 2020-01-17 2020-04-17 陈昊 一种孩子踢被子监测提醒***
CN111723778A (zh) * 2020-07-07 2020-09-29 厦门大学 基于MobileNet-SSD的车辆测距***及方法
CN112488026A (zh) * 2020-12-12 2021-03-12 江西洪都航空工业集团有限责任公司 一种基于视频分析的车行道破损检测方法
CN112949516A (zh) * 2021-03-09 2021-06-11 深圳海翼智新科技有限公司 踢被子行为的识别方法和装置

Similar Documents

Publication Publication Date Title
US8126264B2 (en) Device and method for identification of objects using color coding
CN110826358B (zh) 动物情绪的识别方法、装置及存储介质
CN110751063A (zh) 一种基于深度学习的幼儿防踢被子识别装置及方法
CN111222493B (zh) 一种视频处理方法及装置
TW201137795A (en) System and method for detecting baby sleeping
JP2007310705A (ja) 車両周辺監視装置
US10959646B2 (en) Image detection method and image detection device for determining position of user
WO2017098265A1 (en) Method and apparatus for monitoring
JP2006227863A (ja) 名札表示装置、監視装置、名札表示方法、名札表示用プログラム
JP2024042707A (ja) 端末、方法、及びプログラム
CN103366505A (zh) 一种睡姿识别方法及装置
CN107958572A (zh) 一种婴儿监控***
CN113343891A (zh) 一种孩子踢被的检测装置和检测方法
CN115641603A (zh) 一种孩子趴睡的检测装置和检测方法
US11087157B2 (en) Image detection method and image detection device utilizing dual analysis
CN206003119U (zh) 一种草原放牧绵羊牧食行为检测***
KR20190054590A (ko) 반려견 행동분석 방법 및 시스템
US11257246B2 (en) Image detection method and image detection device for selecting representative image of user
CN112315426A (zh) 翻身监护装置和翻身监护方法
CN110046569A (zh) 一种数据处理方法、装置及电子设备
JP6874838B2 (ja) 情報処理装置、制御方法、及びプログラム
CN115690826A (zh) 一种孩子接近危险物品的检测装置和检测方法
CN109887248A (zh) 一种基于ai学习的智能防近视***和方法
JP7458813B2 (ja) 監視装置、監視方法、監視プログラム
CN213070105U (zh) 基于imu的翻身监护***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination